O Sistema Especialista SISTEMAT foi construído com o objetivo de auxiliar os pesquisadores da área de produtos naturais na tarefa de determinação estrutural, estendendo-se também ao químico orgânico sintético. Seus programas aplicativos fornecem propostas de esqueletos fazendo uso dos dados de diversas técnicas espectrométricas, sendo que a espectrometria de ressonância magnética nuclear de 13C tem um papel de destaque entre as demais. Este trabalho descreve a utilização do SISTEMAT como uma ferramenta auxiliar na determinação estrutural de substâncias pertencentes às subclasses dos alcalóides quinolínicos, quinolizidínicos, aporfínicos, benzilisoquinolínicos, isoquinolínicos, pirrolizidínicos, acridônicos e indólicos. Para a realização deste trabalho foi construído um banco de dados contendo 1182 alcalóides, sendo todos coletados da literatura. Nestes 1182 alcalóides, estão presentes 1156 espectros de RMN 13C, 354 espectros de RMN 1H, 320 espectros de massas e as substâncias de origem vegetal estão distribuídos em 49 Famílias, 164 Gêneros e 260 Espécies. Os testes realizados forneceram bons percentuais de acertos para o reconhecimento de esqueletos. Outro programa utilizado neste trabalho foi o de redes neurais artificiais. As redes foram treinadas para auxiliar na determinação estrutural dos alcalóides aporfínicos, fornecendo a probabilidade de uma determinada substância pertencer ao esqueleto pesquisado. Para utilização das redes neurais foi construída uma planilha com os deslocamentos químicos de RMN 13C, de 165 alcalóides aporfínicos, pertencentes a 12 esqueletos diferentes. A rede forneceu ótimos resultados, classificando os esqueletos com alto grau de confiabilidade. / The Expert System SISTEMAT was built with the objective of aiding the researchers of the area of natural products in the task of structural determination, also extending to the synthetic organic chemist. Their applications programs supply proposed of skeletons making use of the data of several techniques spectrometrics, and the 13C NMR has a main paper among the others. This work describes the use of SISTEMAT as an auxiliary tool in the structural determination of substances belonging to the underclass of the alkaloids quinoline, quinolizidine, aporphine, benzylisoquinoline, isoquinoline, pyrrolizidine, acridone and indoles. For the accomplishment of this work a database was built containing 1182 alkaloids, being all collected of the literature. In these 1182 alkaloids, are present 1156 spectra of 13C NMR, 354 spectra of RMN 1:00, 320 spectra of masses and the substances of botanical origin are distributed in 49 Families, 164 Genders and 260 Species. They were accomplished around 100 tests, of which 30 are presented in this thesis. These tests supplied good percentile of the successes for the recognition of skeletons. Another program used in this work the one of nets artificial neurais, in which the nets were trained to aid in the structural determination of the aporphine alkaloids was, supplying the probability of a certain substance to belong to the researched skeleton. For use of the nets neurais a spreadsheet was built with the chemical displacements of 13C NMR, of 165 aporphine alkaloids, belonging to 12 different skeletons. The net supplied great results, classifying the skeletons with high reliability degree.

Made available in DSpace on 2017-07-10T18:07:58Z (GMT). No. of bitstreams: 1 Lucas Maycon Hoff Zeni.pdf: 1421377 bytes, checksum: 75c6a9407a955e26c7fd4db2939b1b79 (MD5) Previous issue date: 2012-02-24 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Configuration of fixed bed that operates with biphasic flow is used in industrial operations such as the Fischer-Tropsch, hydrogenation, and residual water treatments. Vital information for the project and operation of this type of bed is in its characteristics fluid-dynamic and among these characteristics the flow regime because these have a direct influence transferring heat and mass present in the bed. In the two-phase flow with ascendant flow through fixed bed, three distinct regimes can be identified: the bubble regime, for low gas flow; pulsating regime, for moderate liquid and gas flow; and spray regime; for low flow of liquid and high flow rates of gas. Although there are different techniques to determine flow regimes, the most used is the visual identification. Thus, this research aims to develop, by using artificial neural networks (ANNs) a way to determine, for a given set of liquid-gas flow what out-flow regime the bed presents. To do so, firstly, the out-flow regime were identified by using water and air, respectively flux mass flowing varying from 2 to 16.5 kg.m-2.s-1 and from 0 to 0.6 kg.m-2.s-1, flowing up-words through a fixed bed packed with glass spheres measuring from 2.7 to 3.5 mm of diameter. The network proposed to identify the regimes contains Multiple Layers Perceptron architecture (PML) trained by the back propagation algorithm put together by applying the Multiple Back-Propagation (MBP) software, version 2.2.3 consistently with two input neurons, two intermediate layers, and four output neurons. The number of neurons of the intermediate layers was assorted to find out the best configuration. As activation of function, logistic, tangent, hyperbolic, and Gaussian were tested. Observed results showed that it is possible the identification of regimes through neural networks and among those tested the one that showed the best performance was the one that used the hyperbolic-tangent activation function; 10 neurons in the first hidden layer, and 12 neurons in the second hidden layer. / A configuração de leito fixo que opera com escoamento bifásico é muito utilizada em operações industriais, tais como síntese de Fischer-Tropsch, hidrogenação e tratamento de águas residuais. Uma informação vital para projeto e operação deste tipo de leito está nas características fluidodinâmicas, e dentre estas características podem ser citados os regimes de escoamento, pois estes influenciam diretamente nas transferências de calor e massa presentes no leito. No escoamento bifásico com fluxo ascendente através de leito fixo podem ser identificados três regimes distintos: regime bolha, para baixas vazões de gás; regime pulsante, para vazões moderadas de líquido e gás; e regime spray, para baixas vazões de líquidos e altas vazões de gás. Apesar de haver diferentes técnicas para a determinação dos regimes de escoamento, a mais empregada é a identificação visual. Sendo assim, esta pesquisa tem por objetivo desenvolver, por meio da utilização de redes neurais artificiais (RNA s), uma maneira de determinar, para um dado conjunto de vazões gás-líquido, qual regime de escoamento o leito apresenta. Para isto, os regimes de escoamento primeiramente foram identificados utilizando água e ar, respectivamente com fluxo mássico variando de 2 a 16,5 kg.m-2.s-1 e de 0 a 0,6 kg.m-2.s-1, escoando em fluxo ascendente por meio de um leito fixo recheado com esferas de vidro de diâmetro entre 2,7 e 3,5 mm. A rede proposta para a identificação dos regimes possui arquitetura perceptron de múltiplas camadas (MLP) treinada pelo algoritmo backpropagation e foi montada utilizando o programa freeware Multiple Back-Propagation (MBP) versão 2.2.3 sempre com dois neurônios de entrada, duas camadas intermediárias e quatro neurônios de saída. O número de neurônios das camadas intermediárias foi variado a fim de descobrir a melhor configuração. Como função de ativação, foram testadas as funções logística, tangente hiperbólica e gaussiana. Os resultados observados mostram que é possível a identificação dos regimes por meio de redes neurais e dentre as configurações testadas, a que apresentou melhor desempenho foi a rede que utilizou a função de ativação tangente hiperbólica, 10 neurônios na primeira camada oculta e 12 neurônios na segunda camada oculta.

Made available in DSpace on 2017-07-10T18:08:16Z (GMT). No. of bitstreams: 1 Thiago DArisbo.pdf: 2108504 bytes, checksum: 7b8aad29ec7d75a6fd370e54a95cd849 (MD5) Previous issue date: 2011-02-24 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Ion exchange is a process that is used in the treatment of aqueous industrial effluents containing organic compounds and heavy metals. The fixed bed columns are longer applied by allowing the process to occur continuously (cycles of regeneration). The design and process optimization of the ion exchange column requires the use of mathematical models. Phenomenological models of these systems involve the solution of partial differential and algebraic equations. The equilibrium data for ion exchange processes are usually described by the Mass Action Law (MAL), which can be considered non-ideality of aqueous and solid phases. Artificial Neural Networks (ANN) are being used successfully for the study of equilibrium data because they are empirical models and don t demand a mathematical rigor. This work aimed to evaluate the applicability of the hybrid model to describe the dynamics of ion exchange in fixed beds of binary systems. This system consists of partial differential equations obtained from mass balance in fluid phases in the ion exchanger and ANN to describe the balance. LAM was adjusted to experimental data of ion exchange equilibrium and then were generated 4200 data sets for each binary pair studied, which served as training for RNA. We tested networks with different structures, with one and two input layers. The 3-3-2 structure was used in the simulations of the hybrid model because it was the best represented the systems during the training phase. The differential equations were solved by the lines method. A computer program in FORTRAN language was developed for solving the model equations. DASSL subroutine was used to solve the equations. The performance of the hybrid model was evaluated from the results obtained with the phenomenological model, in which case the equilibrium description was made with the use of MAL. It also was the analysis of results from the comparison of experimental data. To evaluate the model we used data from the literature of ion exchange in Amberlite IR 120 resin on the systems Cu-Na and Zn-Na and in NaY zeolite on Fe-Na and Zn-Na. Both models were efficient to describe the dynamics of ion-exchange fixed bed columns, and the hybrid model had the advantage of the reduced computational time (82% reduction on average) as a result of not needing to solve a nonlinear equation. / A troca iônica é um processo muito utilizado no tratamento de efluentes industriais aquosos contendo compostos orgânicos e metais pesados. As colunas de leito fixo são mais aplicadas por permitir que o processo ocorra de maneira contínua (ciclos de regeneração). O projeto e a otimização de processos de troca iônica em coluna requer o uso de modelos matemáticos. Os modelos fenomenológicos destes sistemas envolvem a resolução de equações diferenciais parciais e algébricas. Os dados de equilíbrio de processos de troca iônica geralmente são descritos pela Lei da Ação das Massas (LAM), na qual podem ser consideradas as não idealidades das fases aquosa e sólida. As Redes Neurais Artificiais (RNA) estão sendo utilizadas com sucesso para o estudo destes dados de equilíbrio por serem modelos empíricos e não demandarem tal rigor matemático. Esta dissertação teve por objetivo avaliar a aplicabilidade do modelo híbrido para descrever a dinâmica do processo de troca iônica em leito fixo de sistemas binários. Este sistema é constituído de equações diferenciais parciais obtidas por meio de balanço de massa nas fases fluida e no trocador iônico e de RNA para descrever o equilíbrio. A LAM foi ajustada a dados experimentais de equilíbrio de troca iônica e, então, foram gerados conjuntos de 4200 dados para cada par binário estudado, os quais serviram como treinamento para a RNA. Foram testadas redes com diferentes estruturas, com uma e com duas camadas de entrada. A estrutura 3-3-2 foi utilizada nas simulações do modelo híbrido, pois foi a que melhor representou os sistemas na etapa de treinamento. As equações diferenciais foram resolvidas pelo método das linhas. Um programa computacional em linguagem FORTRAN foi desenvolvido para a resolução das equações do modelo. Foi utilizada a sub-rotina DASSL para resolver as equações. O desempenho do modelo híbrido foi avaliada a partir dos resultados obtidos com o modelo fenomenológico, sendo que neste caso a descrição do equilíbrio foi feita pelo uso da LAM. Também foi feita a análise dos resultados a partir da comparação dos dados experimentais. Para avaliar o modelo foram utilizados dados da literatura de troca iônica em resina Amberlite IR 120 dos sistemas Cu-Na e Zn-Na e na zeólita NaY dos sistemas Fe-Na e Zn-Na. Ambos os modelos foram eficientes para descrever a dinâmica de troca iônica de colunas de leito fixo, sendo que o modelo híbrido apresentou como vantagem o menor tempo computacional (82% de redução em média) em decorrência de não necessitar resolver a equação não-linear.

Made available in DSpace on 2016-08-17T14:52:39Z (GMT). No. of bitstreams: 1 DISSERTACAO_DENIS FABRICIO SOUSA DE SA.pdf: 2409581 bytes, checksum: 4de5274676a1f75ffe2a1f6b46b1388c (MD5) Previous issue date: 2015-04-10 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The representation of dynamic systems or plants via mathematical models occupies an important position in control system design that allow the performance evaluation of the controller during his development stage. These models are also used as an alternative to solve the problem of the hardness or impracticability to install sensors that measure the controlled variables, the dynamic systems representations enable non-invasive measurement of these variables. As consequence the designer has an alternative way to perform adaptive and optimal sensorless control for a given process. In this dissertation is presented a proposal for control systems schemas and algorithms, based on recurrent neural networks (ANN) and Box-Jenkins models, that are dedicated to sensorless or indirect control of dynamic systems. The proposed models and algorithms are associated with the systems identification and recurrent ANN approaches. The algorithms developed for the AAN training are Backpropagation Accelerated and RLS types that are compared with classical methods and strategies to obtain it online parameters of indirect control of system for a thermal plant, where the actuator is Peltier cell. The performance the parametric models of the plant and adaptive PID digital controllers and linear quadratic regulator (DLQR) that are the main elements of the sensorless temperature control system, are evaluated by means of hybrid simulations, where the algorithms implemented in micro controllers and the plant represented by mathematical models. The performance results of the proposed sensorless control algorithms are promissory, not only, in terms of the control system performance, but also due to the reexibility to deploy it in other dynamic systems. / A representação de sistemas dinâmicos ou plantas por meio modelos matemáticos ocupa uma posição relevante no projeto de sistemas de controle, permitindo que o projetista avalie o desempenho dos controladores durante a fase de desenvolvimento do projeto. Estes modelos também são utilizados para resolver o problema da dificuldade ou impossibilidade da inserção de sensores em plantas para medição de variáveis controladas, onde os modelos viabilizam a mediação não invasiva destas variáveis, fornecendo uma alternativa para realização do controle indireto adaptativo e ótimo de um dado processo. Nesta dissertação apresenta-se o desenvolvimento de modelos propostos baseados em redes neurais artificiais recorrentes para o controle sensorless ou indireto da planta. Os modelos propostos estão associados com as abordagens de Identificação de Sistemas e de RNA's recorrentes. OS algoritmos desenvolvidos para o treinamento das RNAs são do tipo Backpropagation acelerado e RLS, que são comparados com estratégias e métodos clássicos, para obtenção online dos parâmetros do sistema de controle indireto de uma planta térmica, tendo como atuador uma célula Peltier. Para uns de avaliação de desempenho do sistema de controle indireto da planta, os modelos paramétricos e controladores digitais adaptativos do tipo PID e regulador linear quadrático (DLQR) são avaliados por meio de simulações híbridas, sendo os algoritmos dos controladores implementados em microcontroladores e a planta representada por modelos matemáticos. Os resultados apresentados são promissores, não são sentido do desempenho do sistema de controle, mas também nos custos reduzidos para seu desenvolvimento, operação e flexibilidade de aplicação em outros sistemas dinâmicos.

Submitted by Renata Lopes (renatasil82@gmail.com) on 2016-06-09T12:11:11Z No. of bitstreams: 1 pedrodacruzloureiro.pdf: 1767688 bytes, checksum: 1fa1e4fbfaa6feaf5a5c88ea70df09d6 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2016-07-13T13:31:22Z (GMT) No. of bitstreams: 1 pedrodacruzloureiro.pdf: 1767688 bytes, checksum: 1fa1e4fbfaa6feaf5a5c88ea70df09d6 (MD5) / Made available in DSpace on 2016-07-13T13:31:22Z (GMT). No. of bitstreams: 1 pedrodacruzloureiro.pdf: 1767688 bytes, checksum: 1fa1e4fbfaa6feaf5a5c88ea70df09d6 (MD5) Previous issue date: 2012-04-16 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Neste trabalho é proposta a aplicação de redes neurais artificiais para ajuste de parâmetros de um compensador estático de reativos, para controle de tensão e harmônicos. Devido à intensa produção de correntes harmônicas e possíveis afundamentos de tensão em instalações industriais como o forno a arco, é necessário um sistema de controle eficiente e robusto. Além disso, os sistemas elétricos de potência se encontram em um cenário com a presença cada vez maior de geração distribuída, cargas não-lineares e forte tendência à operação no contexto das smartgrids e microgrids. Sendo assim, o suporte de reativos deve ser adequado a esses sistemas, podendo atuar de forma rápida, precisa e confiável. Uma possível solução é a utilização de um compensador estático de reativos (CER) com função adicional de filtragem no ponto onde se deseja controlar a tensão e a distorção harmônica. Entretanto, para o correto funcionamento, é necessário um sistema preciso para o ajuste dos parâmetros do CER, ou seja, determinar os ângulos de disparo dos tiristores e o número de bancos de capacitores a serem ligados. Neste trabalho é proposta uma estratégia de controle via redes neurais artificiais, treinadas para o reconhecimento de padrões de operação em regime permanente e definição da configuração do CER, conferindo inteligência ao equipamento. Os desenvolvimentos propostos foram implementados no ambiente MatLab®. A validação do método é feita através de simulações em sistemas-teste, presentes na literatura técnica, utilizando o fluxo de potência pelo método de injeção de correntes trifásico harmônico. Os resultados obtidos mostram as vantagens da utilização da estratégia proposta. / In this work, an artificial neural network-based static var compensator tuning is proposed for voltage and harmonic distortion control. Due to intense harmonic current injection and possible voltage sags produced by industrial facilities such as arc furnaces, an efficient robust control system is needed. Besides, electrical power systems face a new scenario with high penetration of distributed generation and non-linear loads and increased smart grid and microgrid trends. Therefore, the available reactive power sources must be able to provide system control in order to operate the system in a fast, accurate and reliable way. The application of a static var compensator (SVC) with additional filtering function at the controlled node is a possible solution. However, a precise SVC parameters tuning is needed, in order to make the system to work properly. In this work, a control strategy based on artificial neural networks is proposed. The neural networks are trained to recognize steadystate operating patterns and give the SVC adjustment. The proposed technique was implemented in the MatLab® environment. The methodology is validated by simulations in test-systems available in technical literature, using the three-phase harmonic current injection method power flow. Results show the advantages of the proposed methodology.

Submitted by Renata Lopes (renatasil82@gmail.com) on 2016-01-08T10:36:58Z No. of bitstreams: 1 wanderantunesgasparvalente.pdf: 4197156 bytes, checksum: 5b667869c3bb237e570559ddf4cbb30d (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2016-01-25T16:56:26Z (GMT) No. of bitstreams: 1 wanderantunesgasparvalente.pdf: 4197156 bytes, checksum: 5b667869c3bb237e570559ddf4cbb30d (MD5) / Made available in DSpace on 2016-01-25T16:56:26Z (GMT). No. of bitstreams: 1 wanderantunesgasparvalente.pdf: 4197156 bytes, checksum: 5b667869c3bb237e570559ddf4cbb30d (MD5) Previous issue date: 2015-02-09 / O presente trabalho fundamenta-se no método das segmentações geométricas sucessivas (MSGS) para a construção de uma rede neural artificial capaz de gerar tanto a topologia da rede quanto o peso dos neurônios sem a especificação de parâmetros iniciais. O MSGS permite identificar um conjunto de hiperplanos no espaço Rn que, quando combinados adequadamente, podem separar duas ou mais classes de dados. Especificamente neste trabalho é empregado um aprimoramento ao MSGS com base em estimativas de densidade por kernel. Utilizando-se KDE, é possível encontrar novos hiperplanos de separação de forma mais consistente e, a partir daí, conduzir à classificação de dados com taxas de acerto superiores à técnica originalmente empregada. Neste trabalho, o MSGS aprimorado é empregado satisfatoriamente pela primeira vez para a identificação de padrões em sistemas de energia elétrica. O método foi ajustado para a classificação de faltas incipientes em transformadores de potência e os resultados apresentam índices de acerto superiores a trabalhos correlatos. O MSGS aprimorado também foi adaptado para classificar e localizar faltas inter-circuitos em linhas áreas de transmissão em circuito duplo, obtendo resultados positivos em comparação com a literatura científica. / This work is based on the method of successive geometric segmentations (SGSM) for the construction of an artificial neural network capable of generating both the network topology as the weight of neurons without specifying initial parameters. The MSGS allows to identify a set of hyperplanes in the Rn space that when properly combined, can separate two or more data classes. Specifically in this work is used an improvement to SGSM based on kernel density estimates (KDE). Using KDE, it is possible to find new hyperplanes of separation more consistently and, from there, lead to data classification with accuracy rates higher than originally technique. In this paper, the improved SGSM is first used satisfactorily to identify patterns in electrical power systems. The method has been adjusted to the classification of incipient faults in power transformers and the results have achieved rates above related work. The improved SGSM has also been adapted to classify and locate inter-circuit faults on double circuit overhead transmission lines with positive results compared with the scientific literature.

[pt] O consumo de combustível em empresas do setor de transporte ferroviário representa um dos maiores gastos operacionais e uma das maiores preocupações em termos de emissões de poluentes. O alto consumo em combustíveis acarreta também em uma alta representatividade na matriz de escopo de emissões (mais de 90 por cento das emissões de ferrovias são provenientes do consumo de combustível fóssil). Com o viés de se buscar uma constante melhora operacional, estudos vêm sendo realizados com a finalidade de se propor novas ferramentas na redução do consumo de combustível na operação de um trem de carga. Nesse ramo, destaca-se o aperfeiçoamento dos parâmetros de condução de um trem que são passíveis de calibração com o objetivo de reduzir o consumo de combustível. Para chegar a esse fim, o presente trabalho implementa dois modelos de aprendizado de máquina (machine learning) para prever a eficiência energética de um trem de carga, são eles: floresta randômica e redes neurais artificiais. A floresta randômica obteve o melhor desempenho entre os modelos, apresentando uma acurácia de 91 por cento. Visando calcular quanto cada parâmetro influencia no modelo de previsão, este trabalho também utiliza técnica de efeitos acumulados locais em cada parâmetro em relação à eficiência energética. Os resultados finais mostraram que, dentro dos quatro parâmetros de calibração analisados, o indicador de tração por tonelada transportada apresentou maior representatividade em termos de impacto absoluto na eficiência energética de um trem de carga. / [en] Fuel consumption in companies in the rail transport sector represents one of the largest operating expenses and one of the biggest concerns in terms of pollutant emissions. The high fuel consumption also entails a high representation in the emissions scope matrix (more than 90 percent of railroad emissions come from fossil fuel consumption). Aiming to seek constant operational improvement, numerous studies have been carried out proposing new tools to reduce fuel consumption in the operation of a freight train. In this way, it is important to highlight the improvement of train driving parameters that can be calibrated to reduce fuel consumption. To accomplish this goal, the present work implements two machine learning models to predict the energy efficiency of a freight train: random forest and artificial neural networks. The random forest achieves the best performance against the models, with an accuracy of 91 percent. To calculate how much each parameter influences the prediction model, this work also uses the technique of accumulated local effects for each parameter related to energy efficiency. The final results show that, within the four analyzed calibration parameters, the traction per transported ton indicator presented greater representation in terms of absolute impact on the energy efficiency of a freight train.